Академический Документы
Профессиональный Документы
Культура Документы
Temario
I. Probabilidad
a. Conteo
b. Espacios muestrales
c. Probabilidad de eventos, reglas aditivas y multiplicativas
d. Eventos independientes, dependientes y probabilidad condicional
e. Teorema de Bayes
II. Variable Aleatoria
a. Variable aleatoria
b. Distribucin de probabilidad (discretas y continuas)
c. Distribucin de probabilidad conjunta
d. Esperanza, varianza y covarianza
e. Algunas distribuciones de probabilidad (manejo de tablas)
Binomial, Poisson, Hipergeomtrica, binomial negativa, uniforme, normal, chi,
exponencial, t-student y F
III. Estadstica descriptiva e inferencial
a. Grficas de puntos, grficas de barras e histogramas
b. Estimacin puntual
c. Estimacin por intervalos
IV. Pruebas de hiptesis estadsticos
a. Definicin
b. Hiptesis simples e hiptesis compuestas
c. Error tipo I y error tipo II
d. Niveles de significancia
Bibliografa.
Evaluacin
4 exmenes parciales
I. Probabilidad
Conteo.
La probabilidad y la estadstica son las disciplinas que se encargan del estudio del azar
desde el punto de vista de las matemticas la primera propone modelos para los
fenmenos aleatorios y estudia sus consecuencias lgicas, mientras que la segunda
nos provee de mtodos y tcnicas para elegir modelos adecuados a los fenmenos en
estudio a partir de informacin emprica.
Nuestra primera regla de conteo se aplica cuando el conjunto consta de pares ordenados y
queremos contarlos
Ejemplo 1.2 El propietario de una casa desea efectuar algunas remodelaciones y requiere los
servicios de un plomero y un electricista. Si hay 12 plomeros y 9 electricistas en la zona De
cuantas formas puede seleccionarlo? Podemos representar por p1, p2, ,p12 y e1, e2,,e6 a
los plomeros y electricistas por tanto queremos el nmero de pares ordenados de la forma (pi,
ej) con n1=12 y n2=9, el producto es 12x9=108 formas posibles de escogerlos.
primeros k-1 elementos hay nk opciones del k-esimo elemento. Hay entonces n1.n2.nk
posibles k arreglos.
Permutaciones.
Pkn=n(n-1)(n-2).(n-k+2)(n-k+1)
El primer elemento se puede seleccionar de n formas distintas, por cada n formas el segundo
elemento los podemos seleccionar de n-1 formas distintas y as sucesivamente.
Ejemplo 1.5 Hay ocho asistentes de enseanza para calificar trabajos en un curso particular. El
primer examen consiste en cuatro preguntas y el profesor desea seleccionar un asistente para
calificar cada pregunta (solo un asistente por pregunta) En cuntas formas se puede
seleccionar los asistentes para calificar el examen? aqu n=nmero de asistentes para calificar
=8 y k =nmero de preguntas =4. Pkn=(8)(7)(6)(5)=1680
Combinaciones.
( )= ( )
Ejemplo 1.7 Una mano de baraja est formada por 13 cartas seleccionadas de un grupo de 52
cartas, sin considerar ningn orden. Hay ( ) manos de barajas diferentes lo que da por
resultado alrededor de 635 mil millones.
Espacios muestrales.
Ejemplo 1.10 Experimentos sencillos donde se aplica la probabilidad es aquel que tiene dos
posibles resultados. Uno consiste en examinar un solo fusible para ver si esta defectuoso o no.
S={N,D}, N significa no defectuoso, D defectuoso, otro consiste en observar el sexo del
siguiente nio recin nacido en el hospital local S={M,F} M masculino, F femenino. Uno ms, si
examinamos tres fusibles en secuencia y observamos el resultado de cada examen el resultado
total del experimento es cualquier secuencia de letras N y D de tamao 3. S={NNN, NND, ,
DDD}.
Ejemplo 1.11 Dos gasolineras se encuentran en cierto cruce de caminos. En cada una hay 6
bombas de gasolina. El experimento especifica cuantas bombas estn en uso en la primera
gasolinera y cuantas en la segunda. Hay 49 posibles resultados S={(0,0), (0,1),(6,6) }
Ejemplo 1.12 Si una batera nueva tipo D para linterna tiene voltaje fuera de ciertos lmites, se
considera como una falla (F), si una batera tiene un voltaje dentro de los lmites prescritos es
un xito (E). Supongamos que un experimento consiste en probar cada batera hasta observar
un xito. El espacio muestral es S={E, FE, FFE,} con un nmero infinito de posibles resultados.
Ejemplo 1.14 Considere un experimento donde cada uno de tres automviles toma una salida
en particular de una autopista y dan vuelta a la izquierda (L) o a la derecha (R). Algunos
eventos son:
A={RLL, LRL,LLR} el evento donde exactamente uno de los tres automviles dan vuelta
a la derecha.
B={LLL,RLL,LRL,LLR} a lo sumo uno de los automviles dan vuelta a la derecha.
C={LLL,RRR} los tres automviles dan vuelta en la misma direccin.
Ejemplo 1.15 Al observar el nmero de bombas en dos gasolineras, con seis bombas cada una,
podemos tener los siguientes eventos:
A={(0,0), (1,1), (2,2),(3,3),(4,4),(5,5),(6,6)} el evento en donde el nmero de bombas en
uso es el mismo para ambas gasolineras.
B={(0,4), (1,3),(2,2),(3,1),(4,0)} el evento en donde el nmero total de bombas en uso
es 4.
C={(0,0),(0,1),(1,0),(1,1)} el evento en que a lo sumo una bomba esta en uso en cada
gasolinera.
Ejemplo 1.16 El espacio muestral para el experimento del examen de las bateras contiene un
nmero infinito de resultados. Ejemplos de eventos son:
A={E,FE,FFE} el evento en donde a lo sumo se examinan tres bateras.
B={FE,FFFE,FFFFFE} el evento donde se examinan un nmero par de bateras.
Ejercicio 1.17 Cada muestra de cuatro hipotecas para vivienda est clasificada como tasa fija
(F) y tasa variable (V)
a) Cules son los 16 resultados en S?.
b) Cules resultados estn en el evento donde exactamente tres de las
hipotecas seleccionadas son de tasa fija?
c) Cules resultados estn en el evento donde cuatro hipotecas son del
mismo tipo?.
d) Cules resultados estn en el evento donde, a lo sumo una de las cuatro
hipotecas es de tasa variable?
e) Cul es la unin de los eventos de los incisos c) y d) y cul es la
interseccin de estos dos eventos?
f) Cules son la unin e interseccin de los dos eventos de los incisos b) y c)
Ejercicio 1.18 Una familia formada por tres personas A, B y C asisten a una clnica mdica que
siempre tiene un mdico en cada uno de los puestos 1, 2 y 3. Durante cierta semana cada
miembro de la familia visita una vez a la clnica y se le asigna al azar un mdico, el experimento
consiste en registrar el nmero de puestos asignado a cada miembro de la familia. Un
resultado de (1,2,1) es para A el puesto 1, B el puesto 2 y C el puesto 1.
a) Haga una lista de los 27 resultados del espacio muestral.
b) Haga una lista de todos los resultados del evento en el cual las tres personas de la
familia vayan al mismo puesto.
c) Haga una lista de todos los resultados del evento en el cual todos los miembros de
la familia vayan a diferentes puestos.
d) Haga una lista de todos los resultados del evento en el cual ningn miembro de la
familia vaya al puesto 2.
Ejercicio 1.19 Un departamento acadmico acaba de terminar una votacin secreta para elegir
al jefe del departamento. La urna de votos contiene cuatro papeletas con votos para el
candidato A y tres papeletas con votos para el candidato B. Suponga que las papeletas se sacan
de la caja una por una.
a) Haga una lista de todos los resultados posibles
b) Suponga que se realiza un conteo a medida que se sacan las papeletas. En cules
resultados A se mantiene delante de B en el conteo?
Los eventos son subconjuntos y por tanto podemos emplear las operaciones normales de la
teora de conjuntos para combinar eventos.
Definicin 1.20. Evento nulo. El evento que contiene a ningn resultado del espacio muestral
recibe el nombre de evento nulo o vacio.
Definicin 1.21 Unin de dos eventos. El evento formado por todos los posibles resultados en
A o en B o en ambos, recibe el nombre de la unin de A y B y se denota por AB.
Ejemplo 1.22 Supongamos que A es el evento en que el dado cae en un nmero que es par, B
que es primo.
AB={2,4,6} {2,3,5}={2,3,4,5,6}
Definicin 1.23. Interseccin de dos eventos. El evento formado por los resultados comunes
tanto de A como de B recibe el nombre de interseccin de A y B y se denota por AB.
Ejemplo 1.24. A es el evento en que el dado cae en un nmero que es par y B en el que cae en
un nmero primo, entonces AB={2,4,6} {2,3,5}={2}.
Definicin 1.25 Eventos disjuntos. Se dice que los eventos A y B son mutuamente excluyentes
o disjuntos si no tienen resultados en comn, en otras palabras AB=.
Definicin 1.27 Diferencia de eventos. El conjunto A-B es el evento en que sucede A pero no
sucede B.
Ejercicio 1.30 Para el experimento donde se observa el nmero de bombas en uso, en una sola
gasolinera de 6 bombas, es A={0,1,2,3,4}, B={3,4,5,6} y C={1,3,5}, entonces
AB= AC= A A A= {A
c) Sea el evento en que 2 llega a la final. Haga una lista de los resultados en B
Toda probabilidad es un nmero real entre 0 y 1. Para los casos extremos, si el evento nunca
ocurre, este tiene probabilidad 0, en cambio si el evento siempre ocurre, entonces tiene
probabilidad 1.
( )
P(A)= (1)
Ejercicio 1.37 Indicador giratorio (la aguja gira y apunta a cualquiera de las cuatro
regiones)
34 4
3
1
2 1
2
S=
P(1)= P(2)= P(3)= P(4)=
Ejercicio 1.38. Si se tiran dos dados. Cul es la probabilidad de que la suma de los dos
dados sea 7?
Ejercicio 1.39 Ahora se tira al aire cinco veces una moneda. Cul es la probabilidad de
sacar exactamente una cara?
Ejemplo 1.40 Una mano de baraja est formada por 13 cartas seleccionadas de un
grupo de 52 cartas, sin considerar ningn orden. Hay ( ) =( )(
manos de
)
barajas diferentes. Hay 13 cartas en cada palo. Supongamos que una mano de
cartas se reparte de un grupo bien barajeado, sea
A: el evento de la mano formada slo de espadas y bastos con ambos palos
representados
B: el evento de la mano formada por exactamente dos palos
Entonces N= ( ) posibles resultados son igualmente probables por lo que:
( ) ( )
P(A)= = (el -2 es porqu quitamos todos espadas y todos bastos)
( )
(( ) )
P(B)= = =.0000983
( )
Es decir, una mano formada slo por cartas de exactamente dos de los cuatro palos se
presentara casi una vez en cada 10 000 manos.
Ejemplo 1.41 Mano de pquer (es un conjunto de cinco cartas de 52 que tiene la
baraja)
N=( ) P(s)= para toda sS
( )
Ejercicio 1.42 Se tira al aire una moneda cinco veces. Cul es la probabilidad de
obtener exactamente dos caras?.
Ejercicio 1.44 Una mano de pquer se llama pcar si cuatro de las cinco cartas tienen
el mismo valor, por ejemplo cuatro 7 o cuatro reyes. Cul es la probabilidad de que
una mano de pquer salga pcar?
Ejercicio 1.45. Una pareja tiene cuatro hijos. Qu es lo ms probable: que tengan dos
nios y dos nias, o que tengan tres de un gnero y uno del otro?
Ejercicio 1.47. En cierto suburbio residencial, 60% de las familias, estn suscritas al
peridico metropolitano que se publica en una ciudad cercana, 80% estn suscritas al
peridico vespertino local y el 50% de todas las familias estn suscritas a ambos
peridicos. Si se selecciona una familia al azar. Cul es la probabilidad de que est
suscrita a) al menos a uno de los dos peridicos y b) Exactamente a uno de los dos
peridicos?
Ejemplo 1.48 Sealemos los seis eventos elementales {1}, {2}, {3}, {4}, {5}, {6} asociados
con lanzar al aire un dado por E1, E2, E3, E4, E5, E6. Si en el dado cualesquiera de los tres
resultados pares tiene el doble de probabilidad de ocurrir que los tres resultados
impares, entonces una apropiada asignacin de probabilidades para eventos
elementales es P(E1)= P(E3)= P(E5)= y P(E2)= P(E4)= P(E6)= , entonces P(el resultado es
par)= P(E2)+P(E4)+P(E6)=
P(el resultado 3)= P(E1)+ P(E2)+P(E3)= .
Ejercicios de repaso.
Ejercicio 1.49 Sea (S, P) el espacio muestral en que S={1,2,3,4} y P(1)=.1, P(2)=.1,
P(3)=.2, P(x)=x, calcule x.
Ejercicio 1.50. Sea (S, P) el espacio muestral en el que S={1, 2, 3, 4}. Suponga que
P(1)=x, P(2)=2x, P(3)=3x y P($)=4x. Calcule x.
Ejercicio 1.51. Se lleva a cabo un experimento en el que se arroja una moneda al aire y
se tira un dado. Describa ste experimento en forma de un espacio muestral. Haga una
lista explicita de todos los elementos del conjunto S. (H cara, T cruz)
Ejercicio 1.52.Dados tetradricos. Un tetraedro es un cuerpo con cuatro caras, cada
una de las cuales es un tringulo equiltero. Se puede hacer dados en forma de
tetraedros y marcar sus caras con los nmeros del 1 al 4. Cuando se tiran, la cantidad
que cae boja abajo sobre la mesa es el resultado.
a) Forme un espacio muestral que represente el tirar un dado tetradrico.
Ejercicio 1.53 Una bolsa contiene 20 canicas. Son canicas idnticas pero estn
numeradas del 1 al 20. Se toman 5 canicas al azar de la bolsa. Hay barias formas de
imaginarlo.
a) Las canicas se toman una por una, sin devolverlas. Una vez que se toma una
canica no se devuelve a la bolsa. Se forman todas las listas posibles de canicas.
En ste caso el sacar las canicas en orden 1, 2, 3, 4, 5 es distinto a sacarlas en el
orden 5, 4, 3, 2, 1. Cul es la probabilidad de cada evento individual?
b) Las canicas se toman de una vez, sin devolverlas se sacan de una vez las 5
canicas. En este caso se considera el mismo resultado sacar las canicas 1, 2, 3,
4, 5 que sacar 5, 4, 3, 2, 1. Cul es la probabilidad de cada evento individual?
c) Las canicas se sacan una por una, devolvindolas cada vez una vez tomada una
canica, se mete a la bolsa, donde se mezcla con las que hay en ella, se saca la
siguiente canica, se regresa y as sucesivamente. En este caso sacar 1,1,2,3,5 y
sacar 1,2,1,3,5 son resultados distintos. Cul es la probabilidad de cada evento
individual?
Ejercicio 1.54. Se lanza un dardo con los ojos vendados hacia el blanco que se ve en la
siguiente figura. La probabilidad de que se clave en cada una de las cuatro regiones
concntricas es proporcional al rea de la regin. Los radios de los crculos son 1, 2, 3 y
4 unidades respectivamente. Observa que la regin 2 es el anillo que va del radio 1 al
radio 2, sin tener en cuenta la regin 1 encerrada por ella.
Sea (S,P) un espacio muestral que modela este caso. El conjunto S consta de cuatro
resultados: dar en la regin 1, 2, 3, 4. Se puede abreviar esto en la forma S={1, 2, 3,4}
calcular P(1), P(2), P(3) y P(4).
4
3 2 1
1
Ejercicio 1.55. Describa un ejemplo de un espacio muestral con tres elementos en el
que uno de ellos tiene una probabilidad igual a 1.
Ejercicio 1.58. Recuerde a los dados tetradricos. Suponga que se tira un par de esos
dados. La suma de los valores que se obtienen (cara abajo) puede ir de 2=1+1 hasta
8=4+4. Sea Ak el evento en que la suma de los valores de los dados es k. Para cada
valor de k de 2 a 8 haga lo siguiente:
a) Escriba el evento Ak mostrando en forma explcita sus elementos entre llaves.
b) Calcule P(Ak).
Ejercicio 1.59. Se arroja cuatro veces una moneda. Sea A el evento en que anotamos
una cantidad igual de caras y de cruces. Escriba el evento A mostrando en forma
explcita a sus elementos entre llaves. Evalu P(A).
Ejercicio 1.60. Se tira una moneda 10 veces. Cul es la probabilidad de que anotemos
una cantidad igual de caras y de cruces?.
Ejercicio 1.62. Sea (S,P) el espacio muestral al arrojar una moneda 10 veces. Sea A el
evento en que los resultados sean caras y cruces alternadas.
Ejercicio 1.63. Se tira un par de dados. Sea A el evento en que la suma de los nmeros
que salen sea 8.
a) Escriba en forma explcita el conjunto A, en forma de pares ordenados.
b) Evale P(A)
Ejercicio 1.64. Se tiran tres dados. Cul es la probabilidad de que los tres caigan en
nmeros pares?.
Ejercicio 1.65 Se tiran tres dados. Cul es la probabilidad de que la suma de los
nmeros que salieron sea par?
Ejercicio 1.66.Se tiran dos dados. Sea A el evento en que la cantidad del primer dado
es mayor que la del segundo
a) Escriba en forma explcita A en forma de conjunto.
b) Evale P(A).
Ejercicio 1.67. Una bolsa contiene 10 cajas con envoltura idntica pero con contenidos
de distinto valor por ejemplo cada una contiene una cantidad distinta de monedas.
Alicia y Roberto van a sacar una caja cada uno de la bolsa. Suponga que Alicia saca al
azar una de las 10 cajas y que despus Roberto saca la suya al azar entre las que
quedan. Cul es la probabilidad de que el contenido de la caja de Alicia sea ms
valiosa que el de la caja de Roberto?. Hay alguna ventaja en ser el primero en
extraerla?
Ejercicio 1.68. Dados no transitivos. En este problema consideramos tres dados con
numeracin desacostumbrada. Los llamaremos dados 1, 2, y 3. Los puntos de cada uno
se muestran en la siguiente tabla.
Dado 1 5 6 7 8 9 18
Dado 2 2 3 4 15 16 17
Dado3 1 10 11 12 13 14
Con esos dados se jugar, a cada jugador se le da un dado, dos de los jugadores tienen
dados distintos, cada quin tira su dado y gana el que se muestre el nmero ms alto.
a) Si se tiran los dados 1 y 2. Cul es la probabilidad de que el dado 1 le gane al
dado 2?
b) Si se tiran los dados 2 y 3. Cul es la probabilidad de que el dado 2 le gane al
3?
c) SI se toma los dados 3 y 1. Cul es la probabilidad de que el dado 3 le gane al
dado 1?
d) Cul es el mejor de los dados?
b) Cul es la probabilidad de que una mano de pquer sea full?. Un full tiene tres
cartas de un mismo valor y un par de cartas de otro valor, por ejemplo tres
reinas y dos cuatros.
d) Cul es la probabilidad de que una mano de pquer tenga dos pares?. Dos
pares quiere decir que dos cartas son de un mismo valor dos cartas ms son de
otro valor comn y una carta es de cualquier otro valor, por ejemplo, dos sotas,
dos ochos y un tres.
e) Cul es la probabilidad de que una mano de pquer sea una flor?. Una flor
quiere decir que las cinco cartas son del mismo palo.
Ejercicio 1.70. Una moneda se tira al aire 10 veces.
a) Cul es la probabilidad de que haya cantidades iguales de caras que de
cruces?
Sea A el evento en que un alumno pierde su transporte escolar. Sea B el evento en que
funciona mal el despertador del alumno. Ambos eventos tienen pocas probabilidades.
Pero Cul ser la probabilidad de que el alumno pierda su transporte dado que el
despertador funcion mal?. Ahora si es muy probable que el alumno pierda el camin!
Representaremos esta probabilidad como P(A/B), es la probabilidad de que suceda el
evento A dado que sucedi el evento B.
Ejemplo 1.73. Se tiran dos dados. Sean los eventos A y B definidos por
A: los nmeros de los dados suman 8
B: los dos nmeros de los dados son pares
En forma de conjuntos, lo anterior puede escribirse como sigue:
A={(2,6), (3,5), (4,4), (5,3), (6,2)}
B={(2,2), (2,4), (2,6), (4,2), (4,4), (4,6), (6,2), (6,4), (6,6)}
Con ello P(A)= P(B)= P(A/B)= )=
Note que si P(B)=0 la definicin no tendra sentido.
Ejercicio 1.74.Examinemos la flecha giratoria del ejemplo 1.37. Sea A el evento en que
gira y queda en 1, es decir, A={1}, y sea B el evento en que la flecha termina en las
regiones {1,3}. Cul es la probabilidad de que llegue al 1 dado que la flecha qued en
la regin {1,3}?
Ejercicio 1.75. Se lanza al aire una moneda cinco veces. Cul es la probabilidad de que
el primer volado haya cado una cruz, dado que cayeron tres caras?
Ejercicio 1.76. Suponga que de todos los individuos que compran una computadora
personal, 60% obtiene un programa procesador de palabras en su compra, 40% un
programa de hoja de clculo y 30% ambos programas. Se elige al azar un comprador y
sean A y B los eventos que siguen: A: obtiene procesador de palabras incluido; B:
obtiene hoja de clculo incluido. Calcular P(A/B) y P(B/A)
Ejercicio 1.77. Una revista de espectculos publica tres columnas tituladas arte (A),
libros (B) y cine (C). Los hbitos de lectura de un lector seleccionado al azar, con
respecto a estas columnas son:
A B C AB AC BC ABC
.14 .23 .37 .08 .09 .13 .05
Haga diagrama y calcule
a) P(A/B)=
b) P(A/BC=
c) P(A/ABC)=
d) P(AB/C)=
Cuando el experimento de inters est formado por una secuencia de varias etapas es
conveniente representarlas con un diagrama de rbol.
2 es/1 no 2 no es /1 no es
3o es/1 no es y 2 no es 3 no es/1 no es y 2 no es
4 es/1 no es y 2 no es y 3 no es
c) Si un cliente regresa a la tienda con una VCR que necesita reparacin dentro de
la garacta. Cul es la probabilidad de que sea una VCR de la marca 1?.Una
VCR de la marca 2? O Una de la marca 3?
Ejercicio de repaso.
Ejercicio 1.83. Sea (S,P) un espacio muestral con S={1, 2, 3, 4, 5} y P(1)=0.1, P(2)=0.1,
P(3)=0.2, P(4)=0.2, P(5)=0.4. A continuacin hay una lista de varios pares de eventos A
y B en cada caso calcule P(A/B)
a) A={1,2,3} y B={2,3,4}
b) A={2,3,4}, B={1,2,3}
c) A={1,5}, B={1,2,5}
d) A={1,2,5}, B={1,5}
e) A={1,2,3}, B={1,2,3}
f) A={1,2,3}, B={4,5}
g) A=, B={1,3,5}
h) A={1,3,5}, B=
i) A={1,2,3,4,5}, B={1,3}
j) A={1,3}, B={1,2,3,4,5}
Ejercicio 1.84. Se tira un par de dados. Cul es la probabilidad de que ninguno de ellos
caiga en 2, si la suma de sus resultados es 7?
Ejercicio 1.85. Se tira un par de dados. Cul es la probabilidad de que sus resultados
sumen 7, si ninguno cay en 2?
Ejercicio 1.86. Una moneda se arroja al aire 10 veces. Cul es la probabilidad de que
en las tres primeras se obtenga cara si se obtienen cantidades iguales de caras que de
cruces?. Cmo se compara esta probabilidad condicional con la probabilidad simple
de que los tres primeros volados salgan cara?
Ejemplo 1.88. Considere lanzar un dado no cargado de seis caras y defina los eventos:
A={2,4,6}, B={1,2,3} y C={1,2,3,4}. Entonces tenemos P(A)= , P(A/B)= P(A/C)= . Es
decir, los eventos A y B son dependientes, mientras que los eventos A y C son
independientes.
Ejercicio 1.89. Se tira al aire cinco veces una moneda. Cul es la probabilidad de que
la primera vez salga cara dado que el ltimo sali cara?
Sup P(B/A)=P(B)
pd P(A/B)=P(A)
( ) ( ) ( ) ( ) ( )
P(A/B)= = ( = =P(A)
( ) ( ) ( )
( )
bc
Sup P(B/A)=P(B)
pd P(A ) ( ) ( )
( )
P(B/A)=P(B) =P(B) P(A ) ( ) ( )
( )
Sup P(A ) ( ) ( )
pd P(B/A)=P(B)
( ) ( )
P(B)= ( )
= ( ) =P(B/A)
ca
sup P(A ( ) ( )
pd P(A/B)=P(A)
( ) ( ) ( )
P(A/B)= ( )
= ( ) =P(A)
Sup P(A/B)=P(A)
pd P(A ) ( ) ( )
( )
P(A/B)=P(A) ( ) P(A ) ( ) ( )
( )
Ejemplo 1.91. Sean A y B eventos mutuamente excluyentes con P(A)>0. Por ejemplo,
para un automvil elegido al azar, sea A: el evento en que el automvil es de cuatro
cilindros, B: el evento en que el automvil es de seis cilindros. Como los eventos son
mutuamente excluyentes si ocurre B, entonces a posiblemente nunca ocurri, por lo
que P(A/B)=0P(A). El mensaje es que si dos eventos son mutuamente excluyentes, no
pueden ser independientes.
Ejercicio 1.93. Una bolsa contiene veinte pelotas: diez de ellas son rojas y diez son
azules. De la bolsa se toman dos pelotas. Sea A el evento en que la primera pelota que
se saca es roja y sea B el evento en que la segunda pelota que se saca es roja. Son
independientes estos eventos?.
Hay dos posibilidades
a) Con reemplazo.
b) Sin reemplazo.
Ejercicio 1.94. Se saben que el 30% de las lavadoras de cierta compaa requieren
servicio cuando todava estn en garanta, mientras que slo el 10% de las secadoras
necesitan ese servicio. Si alguien compra una lavadora y una secadora fabricada por
esa compaa. Cul es la probabilidad de que ambas mquinas necesiten servicio
dentro de la garanta?
Definicin 1.96. Los eventos A1, A2, An son mutuamente independientes para toda k
(k=2,3,n) y todo subconjunto de ndices i1, i2,,ik si
P(Ai1A i2Aik)= P(Ai1)P(A i2)P(Aik).
Ejercicio 1.97. Se saca una carta de un mazo normal de 52 cartas, bien barajeado.
a) Cul es la probabilidad de que sea una espada?
b) Cul es la probabilidad de que sea un rey?
Ejercicio 1.98. Se toman sucesivamente dos cartas, sin reponer, de un mazo normal de
52 cartas bien barajeado. Sea A el evento en que las dos cartas tomadas tienen el
mismo valor, por ejemplo, que las dos sean cuatro, y se B el evento en que la primera
carta tomada es un as. Son independientes esos eventos?
Ejercicio 1.99. Se toman sucesivamente dos cartas, sin reponer, de un mazo normal de
52 cartas bien barajeado. Sea A el evento en que las dos cartas tomadas tienen el
mismo valor, por ejemplo, que las dos sean cuatro, y se B el evento en que las dos
cartas son del mismo palo, como por ejemplo, ambas diamantes. Son independientes
esos eventos?
Ejercicios de repaso.
Ejercicio 1.103.Se toman sucesivamente dos cartas sin reponer de un mazo normal de
52 cartas bien barajeado. Sea A el evento en que la primera carta que se toma sea un
trbol y B que la segunda carta tambin sea un trbol. Son independientes esos
eventos?
Ejercicio 1.104. Penlope la pesimista y Sandra la optimista son dos de las finalistas en
un concurso. De las 10 finalistas se elegir una al azar para recibir el gran premio; las
10 finalistas tienen igual probabilidad de ganarlo, justa antes de otorgar el gran
premio, un juez dice a ocho de ellas que no ganaron el premio mayor y slo quedan
Penlope y Sandra. Penlope piensa aun antes de que el juez eliminara a ocho
concursantes lo saba que al menos ocho de las dems deberan perder. Pero eso no
me dice nada mis probabilidades de ganar siguen siendo el 10%. Que mala suerte!.
Sandra piensa ahora que han eliminado a esas ocho slo quedaron 2 en el concurso.
Por consiguiente tengo el 50% de probabilidades de ganar. Qu suerte tan buena!
Cul es el anlisis correcto?
Ejercicio 1.105. Suponga que el 2% de los rollos de tela de algodn son defectuosos,
al igual que el 3% de los rollos de tela de nylon. De los rollos utilizados por el fabricante
el 70% son de algodn y 30% son de nylon. Cul es la probabilidad de que al
seleccionar al azar uno de los rollos este sea defectuoso
Ejercicio 1.106. La irregularidad del corte de productos de papel aumenta a medida
que las hojas de la cuchilla se desgastan. Slo el 1% de productos cortados con
cuchillas nuevas tienen cortes irregulares, el 3% de los cortados con cuchillas de filo
promedio exhiben irregularidades y el 5% de los cortados con cuchillas desgastadas
presentan irregularidades. <si el 25% de las cuchillas utilizadas en el proceso de cortes,
son nuevas, el 60% tienen un filo promedio y el 15% de las cuchillas estn desgastadas.
Cul es la proporcin de productos que tendrn cortes irregulares?
Ejercicio 1.107. Un lote de 25 partes moldeadas por inyeccin contiene cinco que
sufrieron una merma considerable.
a) Si se escogen dos partes al azar, sin reemplazo. Cul es la probabilidad de que
la segunda parte seleccionada sea de las que experimentaron una merma
considerable?
Frmula de Bayes.
Definicin 1.108. Ley de probabilidad total. Si A1, A2, , Ak son eventos mutuamente
excluyentes, entonces para cualquier otro evento B.
P(B)=P(B/A1)P(A1)+ P(B/A2)P(A2)+. P(B/Ak)P(Ak).= ( ) ( )
( ( ) ( )
P(Aj/B)= )= ( ) ( )
j=1,,k
( )
La transicin de la segunda a la tercera expresin se apoya en el uso de la regla de la
multiplicacin en el numerador y la ley de probabilidad total en el denominador.
Ejercicio 1.110. Incidencia de una enfermedad rara. Slo 1 de 1000 adultos est
afectado por una rara enfermedad, para la cual se ha desarrollado una prueba de
diagnostico. Durante la prueba, cuando un individuo padece la enfermedad,
presentar un resultado positivo 99% de las veces, mientras que un individuo sin la
enfermedad mostrar un resultado de prueba positivo slo en 2% de las veces. Si se
hace una prueba en un individuo seleccionado al azar y el resultado es positivo. Cul
es la probabilidad de que el individuo tenga la enfermedad?.
b) Cul es la probabilidad de que la vida til del lser sea mayor que cinco aos?
c) Cul es la probabilidad de que el lser que falla antes de cinco aos provenga
de un producto que se emplea para respaldar informacin?
Ejemplo 1.114. Una placa de metal tiene 20 tornillos. Suponga que cinco de ellos no
estn bien apretados. Se escogen cuatro de ellos, al azar y sin reemplazo, para
determinar si estn bien apretados.
a) Cul es la probabilidad de que los cuatro tornillos estn bien apretados?
e) Cul es el nmero mnimo de arandelas que es necesario tomar del lote, para
que la probabilidad de que una o ms de ellas sea ms gruesas que la
dimensin requerida sea al menos 0.90?
Ejercicios de repaso
Ejercicio 1.117. El software para detectar fraudes en tarjetas telefnicas utilizadas por
los consumidores registran todos los das el nmero de reas metropolitanas donde se
originan todas las llamadas. Se tiene que el 1% de los usuarios legtimos hacen al da
llamadas que se originan en dos o ms reas metropolitanas. Sin embargo el 30% de
los usuarios fraudulentos hacen al da llamadas desde dos o ms reas metropolitanas.
La proporcin de usuarios fraudulentos es 0.01%. Si el mismo usuario hace en un da
dos o ms llamadas desde dos o ms reas metropolitanas. Cul es la probabilidad
que sea un usuario fraudulento?.
Ejercicio 1.118. Los clientes se encargan de evaluar los diseos preliminares de varios
productos. En el pasado, el 95% de los productos que con mayor xito en el mercado
recibieron buenas evaluaciones, el 60% de los productos con xito moderado
recibieron buenas evaluaciones y el 10% de los productos de escaso xito recibieron
buenas evaluaciones. Adems el 40% de los productos han tenido mucho xito y el
35% un xito moderado y el 25% una baja aceptacin.
a) Cul es la probabilidad de que un producto obtenga una buena evaluacin?
Ejercicio 1.121. Una mquina herramienta est desocupada durante el 15% del tiempo
total de uso. Usted le pide al operador que haga uso de la herramienta en cinco
ocasiones distintas durante el ao. Suponga que las solicitudes de uso son eventos
independientes.
a) Cul es la probabilidad de que la herramienta est desocupada todas las veces
que usted le pide al operador utilizarla?
Variable aleatoria
Definicin. 2.1. Una variable aleatoria (va) es una funcin que asigna un nmero real a
cada resultado en el espacio muestral de un experimento aleatorio.
Las va se denotan con una letra mayscula tal como X, y con una letra minscula el
valor posible de X. El conjunto de los posibles valores de la va X recibe el nombre de
rango de X.
Ejemplo 2.2. El sistema de comunicacin por voz de una empresa tiene 48 lneas
externas. En un determinado momento, se observa el sistema y algunas lneas estn
ocupadas. Sea X la va que denota el nmero de lneas en uso.
X={0,148}
Ejemplo 2.5. Lanzar una moneda 10 veces. Sea X= el nmero de caras obtenidas.
X={1, 2,,10}
Ejemplo 2.6. Una mquina herramienta desgastada produce 1% de partes defectuosas.
Sea X=nmero de partes defectuosas en las siguientes 25 que se produzcan. As,
X={0,1..25}
Ejemplo 2.7. De todos los bits transmitidos por un canal de transmisin digital, el 10%
se reciben con error. Sea X=nmero de bits con error en los siguientes cinco por
transmitir. As X={0,1..5}
Ejemplo 2.8. Se sacan dos pelotas en sucesin, sin reemplazo, de una urna que
contiene 4 pelotas rojas y 3 negras. Sea X el nmero de pelotas rojas. Los resultados
posibles son
Espacio muestral X
RR 2
BB 0
RB 1
BR 1
La notacin X(s)=x indica que x es el valor asociado al resultado s por la va X.
Ejercicio 2.14. Un lote de 500 partes maquinadas contiene 10 que no se ajustan a los
requerimientos del cliente. La va es el nmero de partes en una muestra de cinco que
no cumplen con los requerimientos del cliente.
Ejercicio 2.15. Un lote de 500 partes maquinadas contiene 10 que no se ajustan a los
requerimientos del cliente. Del lote se van tomando partes, sin reemplazo, hasta que
se obtiene una que no cumple con los requerimientos. La va es el nmero de partes
seleccionadas.
A2 B2 A3
B1 0 B3
A1 B4 A4
Definicin 2.22. Una va discreta es una va con un rango finito (o infinito contable), en
cambio si es infinito igual al nmero de puntos en un segmento de lnea, entonces se
llama va continua.
Con mucha frecuencia es conveniente representar con una frmula todas las
probabilidades de una va X, denotemos a dicha frmula con f(x)=P(X=x). Al conjunto de
pares ordenados (x,f(x)) se le llama funcin de probabilidad de masa (pmf) o
distribucin de probabilidades de la va X, es decir, nos dice como la probabilidad total
de una est distribuida entre todos los valores posibles de X.
Ejemplo 2.23. Seis lotes de componentes estn listos para ser enviados a cierto
proveedor. El nmero de componentes defectuosos de cada lote es:
Lote 1 2 3 4 5 6
Nmero de componentes defectuosos 0 2 0 1 2 0
Uno de los lotes ser seleccionado al azar para enviarse a un cliente en particular. Sea
X el nmero de componentes defectuosos del lote seleccionado. Los tres posibles
valores de X son: 0, 1 y 2. De los seis eventos simples igualmente probables, tres
resultan X=0, uno en X=1, y los otros dos en X=2.Sea f(0) la probabilidad de que X=0 y
f(1) y f(2) las probabilidades de los otros dos valores posibles de X. Entonces,
Hay muchos problemas en los cuales se desea calcular la probabilidad de que el valor
observado de una va X sea menor o igual a algn nmero real.
b) Determine P(33X<38)=
Verifique que las funciones siguientes son funciones de probabilidad y calcule las
probabilidades pedidas.
Ejercicio 2.31. x -2 -1 0 1 2
f(x) 1/8 2/8 2/8 2/8 1/8
a) P(X2)=
b) P(X>-2)=
c) P(-1X1)=
d) P(X-1 X=2)=
Longitud redondeada 4.9 5.0 5.1 5.2 5.3 5.4 5.5 5.6
A la dcima de milmetro
Ms cercana
Nmero de partes 0 3 10 25 40 18 16 2
a) Si la va es la longitud (redondeada a la dcima de milmetro ms cercana) de
una parte moldeada seleccionada al azar, determine la funcin de probabilidad
de x
Ejercicio 2.37. Del ejercicio anterior. Suponga que el inters se centra en las ganancias
de tres aos. Determine el rango de cada una de las siguientes variables aleatorias.
a) Total de tres aos de ganancias en millones de dlares.
b) Promedio de 3 aos de ganancias en millones de dlares
c) Mximo de tres aos de ganancias
d) Diferencia entre las ganancias anuales ms grandes y la ms pequea.
X 0 1 2 3
f(x) .000008 .001176 .057624 .941192
Definicin 2.40. La funcin de distribucin acumulada (cdf) F(X) de una va discreta con
pmf f(x) est definida para todo nmero x mediante
F(x)=P(Xx)= ( )
Para cualquier nmero x, F(x) es la probabilidad de que el valor observado de X sea a lo
sumo x.
0 x<-2
F(x)= 0.2 -2x<0
.7 0x<2
1 2x
Determine la funcin de probabilidad de X
Observemos que los nicos puntos que tienen una probabilidad distinta de cero son -2,
0 y 2. Ya que P(Xx)=0 para cualquier valor de x menor que -2,
Ejercicio 2.42. La produccin diaria de 850 partes contiene 50 que no satisfacen los
requerimientos del cliente. Del lote se eligen al azar dos partes, sin reemplazo. Sea la
va X el nmero de partes de la muestra que no cumplen con los requerimientos. Cul
es la funcin de distribucin acumulada de X?
Ejercicio 2.45. Sea X=nmero de das de ausencia por enfermedad requeridos por un
empleado seleccionado al azar en una gran empresa durante un ao en particular. Si el
nmero mximo de ausencias permisibles por enfermedad es 14, los valores posibles
de X son 0, 1, ,14. Con F(0)=.58, F(1)=.72, F(2)=-76, F(3)=.81, F(4)=.88 y F(5)=.94.
Obtenga
a) P(2X5)=
b) P(X=3)=
Ejercicio 2.52
0 x<-0.1
0.25 -0.1 X<0.3
F(X)= 0.75 0.3 X <0.5
1 0.5X
a) P(X0.5)=
b) P(X0.4)=
c) P(0.4X0.6)=
d) P(X<0)=
e) P(0X<0.1)=
f) P(-0.1<X<0.1)=
Ejercicio 2.53. El espesor de un entablado de madera (en pulgadas) que algn cliente
ordena, es una va que tiene la siguiente funcin de distribucin acumulada.
0 x<1/8
F(X)= 0.2 1/8x<1/4
0.9 1/4x<3/8
1 3/8x
Determine las siguientes probabilidades
a) P(X1/8)=
b) P(X1/4)=
c) P(X5/16)=
d) P(X>1/4)=
e) P(X1/2)=
X 10 11 12 13 14 15 16 17 18
E(X)=13.45
Ejercicio 2.56 Poco despus de nacer un nio es clasificado de acuerdo con la escala
apgar. Las posibles clasificaciones son 0, 1, ,10 de acuerdo con el color, tono
muscular, esfuerzo respiratorio, ritmo cardiaco e irritabilidad de reflejos (la mejor
clasificacin posible es 10). Sea X la calificacin apgar de un recin nacido escogido al
azar, en cierto hospital durante el ao siguiente, y supongamos que pmf de X es
X 0 1 2 3 4 5 6 7 8 9 10
f(x) .002 .001 .002 .005 .02 .04 .18 .37 .25 .12 .01
Calcule su media.
Resultados X probabilidad
fff 3 .512 .
ffp 2 0.128
fpf 2 0.128
fpp 1 0.032
pff 2 0.128
pfp 1 0.032
ppf 1 0.032
ppp 0 0.008
Ejemplo 2.58. Se compara el diseo de dos nuevos productos sobre la base de las
ganancias esperadas para cada uno de ellos. El departamento de mercadotecnia
considera que las ganancias del diseo A puede estimarse con bastante exactitud, en
tres millones de dlares. Las ganancias del diseo B sea de siete millones de dlares,
pero existe una probabilidad 0.7 de que sta sea slo de dos millones. Qu diseo es
el que debe preferirse?
X la ganancia del diseo A. Ya que no hay ninguna incertidumbre sobre sta
entonces puede modelarse la distribucin la distribucin de la va X como tres millones
con probabilidad 1. Por consiguiente E(X)=3 millones.
Y la ganancia del diseo B. El valor esperado de Y en millones de dlares es
E(Y)=7x0.3+2x0.7=3.5
Dado que E(Y) es mayor que E(X) debe preferirse el diseo B. Sin embargo la
variabilidad del resultado del diseo B es mucho mayor y la probabilidad de que A
genera ms ganancias es 0.7. Con este argumento, quiz otras personas prefieran el
diseo A.
Con frecuencia nos interesa el valor esperado de una funcin h(X) y no la X misma.
Suponga que una librera compra diez ejemplares de un libro a $6.00 cada uno, para
venderlos a $12.00, entendiendo que al terminar un periodo de 3 meses, cualquier
ejemplar no vendido se vender en $2.00. Si X= nmero de ejemplares vendidos,
entonces la utilidad neta es
h(X)=12X+2(10-X)-60=10X-40.
Sea X=nmero de cilindros del siguiente automvil que va a ser afinado en cierto taller.
El costo de una afinacin est relacionado con X por h(X)=20+3X+.5X 2. Como X es una
va, h(X) tambin lo es; simbolizamos esta ltima va por Y. Las pmf de X y Y son las
siguientes:
X 4 6 8 Y 40 56 76
f(X) .5 .3 .2 f(y) .5 .3 .2
E(Y)=E(h(X))= ( ) ( )
X 18 20 22
f(x) 0.2 0.6 0.2
E(X)=18x.2+20x.6+22x.2=20
Y 0 15 25 40
f(x) 0.2 0.3 0.3 0.2
E(Y)=0x0.2+15x0.3+25x0.3+40x0.2=20
(x-20)2 4 0 4
Probabilidad 0.2 0.6 0.2
E(X-20)2=4x0.2+0x0.6+4x0.2=1.6
E(Y-20)2=400x0.2+25x0.3x25x0.3+400x0.2=175
Nmero de defectos 0 1 2 3 4 5
Nmero de muestras 18 12 7 2 1 0
Contenido de humedad
3% 4%
Impurezas 1% 5 14
2% 57 4
a) Determine la media y la varianza del contenido de humedad de estas muestras.
b) Calcule la media y la varianza del contenido de impurezas de estas muestras.
Sea X el dimetro interno de los anillos para pistn de este proceso. Determine la
media y la varianza de X.
Ejercicio 2.73. Si el rango de X es el conjunto {0, 1, 2, 3, 4} y P(X=x)=0.2, determine la
media y la varianza de la va.
Ejercicio 2.77. El rango de la va es {0, 1, 2, 3,x} donde x es una incgnita. Si cada valor
es igualmente probable y la media de X es 6, calcule x.
Ejemplo 2.80. Se arroja una chincheta. Aqu E puede ser cuando cae con la punta
arriba y F con la punta abajo
Suponga por ejemplo que n=3. Entonces hay ocho posibles resultados para el
experimento son EEE, EEF, EFE, EFF, FEE, FEF, FFE, FFF
De la definicin de X, X(EEF)=2, X(EFF)=1, etc. Con frecuencia escribiremos XBin(n,p)
para indicar que X es una va binomial basada en n ensayos con probabilidad p de
xitos.
Ejemplo 2.83 A cada una de las seis personas que toman refresco de cola,
seleccionadas al azar, se les da un vaso que contiene refresco de cola E y otro que
contiene refresco de cola F. Los vasos son idnticos en apariencia excepto por un
cdigo que se encuentra en el fondo para identificar la marca. Suponga que, en
realidad no hay tendencia entre las personas que beben refresco de cola a preferir
entre una marca y otra. Entonces p=P(un individuo seleccionado prefiere E)=.5, as que
X=nmero entre los seis que prefieren E, XBin(6, .5)
Ejemplo 2.85 Si 75% de todas las compras en cierta tienda se hacen con tarjetas de
crdito y X es el nmero de entre 10 compras hechas con tarjeta de crdito,
seleccionadas al azar, entonces XBin(10, .75). As E(X)=np=10(.75)=7.5,
V(X)=npq=10(.75)(.25)=1.875 y =
XBe(p)
Su funcin de distribucin viene definida por:
p si x=1
Ejercicio 2.89. Veinte por ciento de todos los telfonos de cierto tipo se remiten para
repararse cuando todava est vigente su garanta. De stos 60% pueden ser reparados
y el otro 40% deben sustituirse por aparatos nuevos. Si una compaa compra 10 de
estos telfonos Cul es la probabilidad de que exactamente se cambien 2 dentro del
periodo de garanta?
Ejercicio 2.92 Los clientes de una gasolinera pagan con tarjeta de crdito (A), tarjeta de
debito (B) o en efectivo (C). Suponga que los clientes sucesivos eligen su forma de pago
de manera independiente con P(A)=.5, P(B)=.2, P(C)=.3
a) Entre los siguientes 100 clientes. Cules son la media y la varianza del nmero
de quienes pagan con tarjeta de crdito?, explique su razonamiento
b) Conteste el inciso a) para el nmero entre los 100 que no pagan en efectivo.
Distribucin hipergeomtrica.
( )( )
P(X=x)=h(x;n,M,N)=
( )
Para un entero x que satisfaga mx(0,n-N+M) x mn(n,M)
( )( )
h(x;10,5,25)= x=0, 1, 2, 3, 4, 5
( )
( )( )
para a) P(X=2)=h(2;10,5,25)= =.385
( )
Media y varianza de X
Proposicin 2.98. Si X es una va binomial negativa como pmf nb(x; r,p) entonces
( ) ( )
E(X)= V(X)=
Ejercicio 2.99. Cada uno de los 12 refrigeradores de cierto tipo ha sido devuelto a
un distribuidor debido a la presencia de un ruido agudo oscilante cuando el
refrigerador est funcionando. Supongamos que cuatro de estos 12 tienen
compresores defectuosos y los otros 8 tienen problemas menos serios. Si se
examinan al azar, sea X=nmero entre los primeros 6 examinados que tienen un
compresor defectuoso. Calcule lo siguiente
a) P(X=1)
b) P(X4)
c) P(1 X 3)
Ejercicio 2.100. Un gelogo ha recolectado 10 especmenes de roca basltica y 10
de granito. Se instruye a un asistente de laboratorio para que seleccione al azar 15
de los especmenes para analizarlos.
a) Cul es la pmf de nmeros de especmenes de basalto seleccionados para
analizarlos?
b) Cul es la probabilidad de que todos los especmenes de uno de los dos
tipos de roca sean seleccionados para el anlisis?
c) Cul es la probabilidad de que la cantidad de especmenes de granito
seleccionados para su anlisis est a menos de 1 desviacin estndar de su
valor promedio?
Ejercicio 2.101. Suponga que p=P(nazca varn)=.5 Una pareja desea tener
exactamente dos nias en su familia. Tendrn hijos hasta que se satisfaga esta
condicin
a) Cul es la probabilidad de que la familia tenga x hijos varones?
b) Cul es la probabilidad de que la familia tenga cuatro hijos?
c) Cul es la probabilidad de que la familia tenga a lo sumo cuatro hijos?
d) Cuntos varones se esperara que tenga esta familia?
Ejercicio 2.102. Tres hermanos y sus esposas deciden tener hijos hasta que cada
familia tenga dos nias. Cul es la mpf de X=nmero total de varones nacidos de
los hermanos? Cul es E(X) y cmo se compara con el nmero esperado de
varones nacidos de cada hermano?
Definicin 2.103. Se dice que una va X tiene una distribucin de Poisson si la pmf
de X es
P(x;)= x=0,1,2 para alguna >0
El valor de con frecuencia es una tasa por unidad de tiempo o por unidad de
rea, e representa el valor aproximadamente 2.71828
+=
Ejemplo 2.104. Sea X la cantidad de ostras de cierto tipo que caen en una trampa
durante determinado periodo. Supongamos que X tiene una distribucin de
Poisson con =4.5, por lo que en promedio las trampas tendrn 4.5 criaturas. La
probabilidad de que una trampa contenga exactamente cinco criaturas es
P(X=5) = =.1708
La probabilidad de que la trampa contenga al menos cinco criaturas es
P(X 5)= = ( )=.7029
Proposicin 2.105. Supongamos que la pmf binomial b(x; n,p) hacemos n p0,
en tal forma que np se acerca al valor Entonces b(x; n,p) p(x; )
Media y varianza de X
Ejercicio 2.109. Suponga que la cantidad de conductores que viajan entre cierto
origen y destino, durante determinado periodo, tiene una distribucin de Poisson
con parmetro =20. Cul es la probabilidad de que la cantidad de conductores
a) Sea mximo 10?
b) Sea mayor que 20?
c) Est entre 10 y 20 inclusive? Est estrictamente entre 10 y 20?
d) Sea mayor que la cantidad media en ms de dos desviaciones estndar.
Ejercicio 2.110. Suponga que aviones pequeos llegan a cierto aeropuerto segn
un proceso de Poisson, con tasa a=8 aviones por hora, de modo que el nmero de
llegadas por un periodo de t horas es una va de Poisson con parmetro =8t
a) Cul es la probabilidad de que exactamente 5 aviones pequeos lleguen
durante un periodo de una hora? Por lo menos 5? Por lo menos 10?
b) Cules son el valor esperado y la desviacin estndar del nmero de
aviones pequeos que lleguen durante un periodo de 90 minutos?
c) Cul es la probabilidad de que por lo menos 20 aviones pequeos lleguen
durante un periodo de 2 horas? De que a lo sumo 10 lleguen durante
este periodo?
Ejercicio 2.112. Suponga que hay rboles distribuidos en un bosque segn un proceso
de Poisson de dos dimensiones, con parmetro y que el nmero esperado de rboles
por acre es igual a 80
a) Cul es la probabilidad de que cierto lote de un cuarto de un acre haya a
lo sumo 16 rboles?
b) Si el bosque cubre 85 000 acres Cul es el nmero esperado de rboles en
el bosque?
c) Suponga que se selecciona un punto del bosque y se construye un crculo de
.1 milla de radio. Sea X=nmero e rboles dentro de esa regin circular
Cul es la pmf de X? (sugerencia 1 milla cuadrada = 640 acres).
Ahora bien, supongamos que la va X es la del anterior ejemplo, y sea M=la profundidad
mxima en metros, de modo que cualquier nmero del intervalo [0,M] es un valor
posible de X. Si hacemos que X sea discreta, al medir la profundidad al metro ms
cercano, entonces los posibles valores son enteros positivos menores o iguales a M. La
distribucin discreta resultante de la profundidad se puede representar mediante un
histograma de probabilidad,
0 M
Para que f(x) sea un pdf legitima, debe satisfacer las siguientes dos condiciones:
a) f(x)0
b) ( ) =1 rea bajo toda la grfica de f(x)
Ejemplo 2.116.Supnga que abordo un autobs para ir al trabajo y cada 5 minutos
llega un autobs a la parada de la esquina. Debido a variaciones en la hora en que
salgo de mi casa no siempre llego al mismo tiempo a la parada de la esquina por lo que
mi tiempo de espera X al siguiente autobs es una va continua. El conjunto de posibles
valores de X es el intervalo [1,5]. Una posible pdf para X es
f(x)= 1/5 0 x 5
0 de otra manera
La probabilidad de que yo espere entre 1 y 3 minutos es
P(1 X 3)
1 3
0 de otro modo
Proposicin 2.118. Si X es una va continua, entonces para cualquier nmero c
P(X=c)=0. Adems para cualesquiera dos nmeros a y b con a<b
P(a X b)=P(a<X b)=P(a X<b)=P(a<X<b)
Ejercicio 2.120. Suponga que el error de hacer cierta medicin es una va continua X
con pdf f(x)= .09375(4-x2) -2 x 22
0 en otro caso
a) trace la grfica de f(x)
b) Calcule P(X>0)
c) Calcule P(-1<X<1)
d) Calcule P(X<-5 o X>5)
Ejercicio 2.121. Un maestro universitario nunca termina su clase antes que suene la
campana y siempre termina su clase a menos de 2 minutos despus de que suena la
campana. Sea X= el tiempo que transcurre entre la campana y el trmino de la clase, y
suponga que la pdf de X es f(x)= kx2 0 X 2
0 de otra manera
a) Encuentre el valor de k (sugerencia el rea total bajo la grfica de f(x)=1
b) Cul es la probabilidad de que la clase termine a menos de 1 minuto
despus de que suene la campana?
c) Cul es la probabilidad de que la clase contine entre 60 y 90 seg despus
de que suene la campana?
d) Cul es la probabilidad de que la clase contine por lo menos 90 segundos
despus de que suene la campana?
Ejercicio 2.122. El tiempo X (minutos) para que un asistente de laboratorio prepare el
equipo para un experimento tiene una distribucin uniforme con A=25 y B=35
a) Escriba la pdf de X y trace su grfica.
b) Cul es la probabilidad de que el tiempo de preparacin exceda en 33
minutos?
c) Cul es la probabilidad de que el tiempo de preparacin se encuentre a
una distancia de 2 min del tiempo medio? (sugerencia identifique de la
grfica de f(x)
Proposicin 2.124. Sea X una va continua con pdf f(x) y cdfn F(x). Entonces para
cualquier nmero a P(X>a)=1-F(a)
Y para dos nmeros a y b cualesquiera tales que a<b
P(a X b)=F(b)-F(a)
Proposicin 2.125. Sea X una va continua con pdf f(x) y cdf F(x), entonces todo valor x
donde exista la derivada F(x), F(x)=f(x).
Definicin 2.126. El valor esperado o valor medio de una va X continua con pdf f(x) es
x=E(X)= ( )
Proposicin 2.127. Si X es una va continua con pdf f(x) y h(x) es cualquier funcin de X,
entonces E(h(X))=h(X)= ( ) ( )
Definicin 2.128. La varianza de una va X continua con pdf f(x) y valor medio es
=V(X)= ( ) ( ) =E(X-)2)
La desviacin estndar(DE) de X es x= ( )
Proposicin 2.129. V(X)=E(X2)-(E(X))2
0 x<0
F(x)= 0 x <2
1 2 x
a) P(X 1)
b) P(.5 X 1)
c) P(X>.5)
d) F(x) para obtener la funcin de densidad f(x)
Ejercicio 2.131. Simbolice con X el tiempo que dura un libro prestado con pdf dada en el
ejercicio 2.119
a) Calcule E(X)
b) Calcule V(X) y x.
c) Si la persona que solicita el libro se le cobra una cantidad h(X)=X2 cuando la
duracin del prstamo es X, calcule el cobro esperado E(h(X))
Ejercicio 2.132. Sea X la cantidad del espacio ocupado por un artculo colocado en una caja de
empaque de 1 pie3. La pdf de X es
F(X)= 0 x 0
* + 0<x 4
a) P(X 1)?
b) P(1 X 3)?
c) La pdf de X?
Ejercicio 2.134. Si la temperatura a que un cierto compuesto se funde es una va con valor
medio de 120oC, Cules son la temperatura media y la desviacin estndar media en F?
(sugerencia oF=1.8oC+32)
Distribucin normal.
Definicin 2.135. Se dice que una va X continua tiene una distribucin normal con parmetros
y y 2 donde - < < y 0< , si la pdf de X es
F(x; , )= ( ( )
- <x<
F(z;0,1)= - <z<
Proposicin 2.137. Si X tiene una distribucin normal con media y desviacin estndar ,
entonces
Z=
P(a X b)=P( )=( ) ( )
P(X a)= ( ) P(Xb)=1-( )
La estandarizacin no es ms que calcular una distancia a partir del valor medio y expresar esta
distancia como algn nmero de desviaciones estndar. Por ejemplo si =100 y =15,
entonces x=130, que corresponde a z=(130-100)/15=30/15=2.00. As 130 est a 2 desviaciones
estndar arriba (a la derecha) del valor medio.
Ejemplo 2.139. Se sabe que el voltaje de ruptura de un diodo de un tipo particular, escogido al
azar, est normalmente distribuido Cul es la probabilidad de que el voltaje de ruptura del
diodo se encuentre a menos de una desviacin estndar de su valor medio? Esta pregunta se
puede contestar sin conocer o , mientras se sepa que la distribucin es normal
P(X esta dentro de 1 DE de su media)=P(- X + )=P( Z )=
=P(-1.00 Z 1.00)=(1.00=-(-1.00)=.6826
Proposicin 2.140. Sea X una va binomial basada en n ensayos con probabilidad de xito p.
Entonces, si el histograma de probabilidad binomial no est demasiado sesgado, X tiene
aproximadamente una distribucin normal con =np y = . En particular para x=valor
posible de X.
Ejemplo 2.141. Suponga que el 25% de todos los conductores con licencia, en determinado
estado, no estn asegurados. Sea X la cantidad de conductores no asegurados en una muestra
aleatoria de tamao 50 (identifiquemos que un xito es un conductor no asegurado), de modo
que p=.25. Entonces =12.5 y =3.06. Como np=50(.25)=12.510 y nq=37.510, se puede
aplicar con seguridad la aproximacin;
Las probabilidades exactas son .2622 y .8348 respectivamente por los que las aproximaciones
son bastante buenas.
Ejercicio 2.142 En cada caso determine el valor de la constante c que exprese correctamente el
enunciado de probabilidad
a) (c)=.9838
b) P(0 Z c)=.291
c) P(c Z)=.121
d) P(-c Z c)=.668
e) P(c /Z/)=.016
a) = .0055
b) =.09
c) =.663
Ejercicio 2.144. Suponga que la fuerza que acta sobre una columna, que ayuda a sostener un
edificio, est normalmente distribuida con media de 15.0 kips y desviacin estndar de 1.25
kips. Cul es la probabilidad de que la fuerza:
Ejercicio 2.145. Suponga que el dimetro de los rboles de determinado tipo , a la altura del
pecho, se distribuye normalmente con =8.8 y =2.8
Ejercicio 2.147. La distribucin del peso de paquetes enviados de cierto modo, es normal con
valor medio de 10 libras y desviacin estndar de 2 libras. El servicio de paquetera desea
establecer un valor de peso c ms all del cual habr cargo extra Cul es el valor de c tal que
99% de todos los paquetes pesen por lo menos 1 libra abajo del peo con cargo extra?
Distribucin gamma
()= dx
Definicin 2.149. Se dice que una va X continua tiene una distribucin gamma si la pdf de X es
f(x;,)=X-1e-x/ x0
0 de otra manera
donde los parmetros y satisfacen >0 y >0. La distribucin gamma estndar tiene =1
as la pdf de una va gamma estndar est dada por
f(x; )= x0
()
0 de otra manera
Proposicin 2.150. La media y la varianza de una va X que tenga distribucin gamma f(x; ,)
son E(X)= V(X)= 2
Distribucin exponencial.
0 de otra manera
1- x0
( )( )
P(X 10)=F(10, .2)=1-
Distribucin ji-cuadrada
Definicin 2.153. Sea v un entero positivo. Entonces, una va X se dice que tiene una
distribucin ji-cuadrada o tambin llamada chi cuadrada con parmetro v si la pdf de X es la
funcin de densidad gama con =v/2 y =2. La pdf de una va ji-cuadrada es entonces
f(x;v)= x0
( )
0 x<0
a) (6)
b) (5/2)
c) (5; 4
d) F(0;4))
Ejercicio 2.155. Suponga que el tiempo (en horas) tomado por el propietario de una casa para
podar el csped de su jardn es una va X, que tiene una distribucin gama con parmetros =2
y =1/2 Cul es la probabilidad de que tarde
Ejercicio 2.157. Sea X la distancia en metros que un animal se mueve desde su lugar de
nacimiento hasta el primer territorio vacante que se encuentra. Suponga que para las ratas
canguro, X tiene una distribucin exponencial con parmetro =.01386
Distribucin T student.
( )
hk(t)= ( ) - <t<
( )
donde (p)=
Definicin 2.159. Sea X una variable aleatoria. Diremos que X tiene una Distribucin F de
Fisher con n grados en el numerador y m grados en el denominador, si su funcin de densidad
de probabilidad viene dada por
( )
f(x)= ( )
( )( ) ( )